首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 93 毫秒
1.
商立群 《西部电子》1996,1(3):22-24
文章着重介绍人工神经网络的发展历史与潜在应用,力图从实际应用的角度使人们更好地了解并展开对人工神经网络的研究。  相似文献   

2.
黄方 《电子测试》2020,(16):76-77+95
人工神经网络是目前主流的模式识别技术之一。它是一种模拟大脑学习的简单模型,广泛应用于信息、控制、通信、经济、医学等领域的字符识别。利用MATLAB中的神经网络工具箱对人工神经网络进行训练、验证和测试后,可以识别噪声干扰中的字符集。  相似文献   

3.
函数逼近在纯数学领域、工程和物理学领域得到了广泛的应用。利用人工神经网络映射能力,通过样本不断学习实现对未知函数的逼近。利用BP神经网络研究人工神经网络在函数逼近中的应用,研究过程利用MATLAB神经网络工具箱设计网络并进行仿真实验。  相似文献   

4.
基于神经网络的故障诊断专家系统   总被引:4,自引:2,他引:2  
描述了人工神经网络的基本原理及其在故障诊断专家系统中的应用。分析了基于人工神经网络的故障诊断专家系统的设计思想、系统结构及知识表示、知识获取和推理机制等方面的基本方法。  相似文献   

5.
人工神经网络是一种新型的技术,主要是运用于建模中,其在人工智能领域应用比较广泛,而且能够解决复杂的线性问题,本文通过对人工神经网络进行分析,分析人工神经网络的构成,阐述人工神经网络在车辆工程中的使用,从而在一定程度上能够促进车辆工程的发展。  相似文献   

6.
人工神经网络的模型、特征及其发展方向   总被引:8,自引:1,他引:7  
人工神经网络的研究越来越受到人们的关注,其理论、方法和应用的研究获得了大量的成果。本文介绍了人工神经网络的基本模型及特性,简要地概括了神经网络的发展方向。  相似文献   

7.
Boole函数线性可分性问题是前向人工神经网络的一个非常重要而困难的问題之一,目前只就函数的维数n≤7的情况进行过讨论,当n≥8时,还没有一个判别Boole函数是否是线性可分的一般方法。本文应用图论的方法,给出了判别Boole函数线性可分的若干简捷方法,即给出了Boole函数线性可分的若干充分条件和必要条件,从而解决了前向人工神经网络中的一个基本问题。  相似文献   

8.
人工神经网络的发展及应用   总被引:9,自引:0,他引:9  
人工神经网络是人工智能的重要分支,具有自适应、自组织和自学习的特点。回顾了人工神经网络理论的发展历史.并介绍了其在信息、医学、经济、控制等领域的应用及研究现状。随着人们对人工神经网络不断地探索和研究,并将其与一些传统方法相结合,将推动人工智能的发展,在以后的生产生活中发挥更大的作用。  相似文献   

9.
本文对人工神经网络的发展、研究内容及应用进行了综述。  相似文献   

10.
众多网络技术控制系统中人工神经网络技术是一种新型的控制系统,具体在互联网动态模拟、互联网建模以及互联网技术系统控制方面具有非常广泛的应用。为了方便相关人员进行人工网络技术的研究,具体从神经网络的发展历程展开分析,将人工神经网络技术的结构进行阐述,提出了较为常见的几种人工神经技术系统的优势和劣势,同时,将人工神经网络技术全面应用在实际的工程项目中,并且做出相关的展望和发展趋势。  相似文献   

11.
主要利用人工神经网络的理论知识研究在图像识别中的应用为目的,研究图像识别中图像分割的技术,同时详细分析了多层前馈神经网络的描述及BP算法工作过程。介绍隐层的选择及隐层神经元数选择的一些经验方法。针对BP算法存在的问题,提出加可变动量因子的BP算法,通过对网络训练过程参数调整以及增加可变动量因子等方面进行优化改进,实验证明加快了训练速度,改善了BP网络的学习效果。  相似文献   

12.
研究神经网络在计算机网络安全评价中的应用价值。分析神经网络的特点及其发展历程,计算机网络安全的概念、影响因素及计算机系统的脆弱性,按照可行性、简要性、独立性、完备性和准确性的设计原则建立计算机网络安全评价体系,利用粒子群优化算法对BP神经网络进行优化,然后应用BP神经网络设计计算机网络安全评价模型,按照安全评价步骤对计算机网络安全进行评价。在计算机网络安全评价中应用神经网络可以降低计算机网络安全风险,降低由于安全问题造成的各项损失。神经网络是一种具有自适应、自组织、自学习能力的智能人工算法技术,在计算机网络安全评价中具有极大的应用价值。  相似文献   

13.
Widrow-Hoff神经网络学习规则的应用研究   总被引:1,自引:0,他引:1  
基于线性神经网络原理,提出线性神经网络的模型,并利用Matlab实现Widrow-Hoff神经网络算法。分析Matlab人工神经网络工具箱中有关线性神经网络的工具函数,最后给出线性神经网络在系统辨识中的实际应用。通过对线性神经网络的训练,进一步验证Widrow-Hoff神经网络算法的有效性,以及用其进行系统辨识的高精度拟合性。  相似文献   

14.
基于模糊神经网络智能预测模型的设计与实现   总被引:1,自引:0,他引:1  
针对智能决策支持系统中经常遇到的预测类问题,根据人工神经网络和模糊逻辑系统的各自特点,设计一种模糊神经网络模型,将模糊系统用类似于神经网络的结构表示,再用相应的学习算法训练模糊系统实现模糊推理.并对此模型进行预测验证和编程实现.  相似文献   

15.
就人工神经网络的计算精度问题,建立了一个抽象的神经网络模式,并研究了单个神经元误差对整个神经网络计算精度的影响。  相似文献   

16.
分别讨论了最小二乘法和神经网络法用于电子光学透镜逆设计的情况,并比较了各自优缺点。可以看到在较好的选取学习样本情况下,神经网络技术在电子透镜的逆设计中有着明显的优越性。是求解电子光学系统逆设计问题的一个行之有效的方法  相似文献   

17.
粗神经网络在雷达目标识别中的应用   总被引:5,自引:1,他引:4  
将粗集理论与神经网络结合起来设计出粗神经网络,用于对雷达目标数据进行融合,特别是对雷达目标进行识别。研究表明这种网络可以接受定性输入,即输入是一个范围或在观测时间内输入是变化的,从而大大提高雷达目标的识别率。粗集理论和神经网络结合起来将在雷达数据融合方面有着很好的应用前景。  相似文献   

18.
As the branch of artificial intelligence,artificial neural network solved many difficult practical problems in pattern recognition and classification prediction field successfully.However,they cannot learn the feature from networks.In recent years,deep learning becomes more and more advanced,but the research on the field of geological reservoir pa-rameter prediction is still rare.A method to predict reservoir parameters by convolutional neural network was presented,which can not only predict reservoir parameters accurately,but also get features of the geological reservoir.The study es-tablished the convolutional neural network model.Results show that the convolutional neural network can be used for reservoir parameter prediction,and get high prediction precision.Moreover,convolutional features from convolutional neural network provided important support for geological modeling and logging interpretation.  相似文献   

19.
人工神经网络BP算法在近红外光谱分析中的应用   总被引:4,自引:0,他引:4  
张银  周孟然 《红外》2006,27(11):1-4
简要介绍了人工神经网络及其在近红外光谱分析中的应用。给出了三层BP网络的基本结构和对应的BP算法。通过测定润滑油的流动性、苯和甲苯的回收率及相对标准偏差的两个实例,分析了人工神经网络BP算法的明显优势。最后指出了存在的部分问题。  相似文献   

20.
常红艳 《电子测试》2016,(18):123-124
电力系统是一个复杂大系统。这样的系统需要一套控制效果优良、鲁棒性较高的控制系统来保证系统的稳定、高效地运行。随着人工智能技术的发展,已经有越来越多的人工智能技术应用到系统控制中。本文介绍了几种典型的人工智能技术在电力系统中的应用,模糊控制在继电保护装置的应用、神经网络、专家系统在故障诊断方面的应用等。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号